使用 mlflow.tensorflow.autolog() 时在 MLFlow UI 中自定义指标可视化答案

【问题标题】：Customize metric visualization in MLFlow UI when using mlflow.tensorflow.autolog()使用 mlflow.tensorflow.autolog() 时在 MLFlow UI 中自定义指标可视化
【发布时间】：2020-07-03 08:15:46
【问题描述】：

我正在尝试将 MLFlow 集成到我的项目中。因为我使用tf.keras.fit_generator() 进行培训，所以我利用mlflow.tensorflow.autolog()（此处为docs）来启用指标和参数的自动记录：

    model = Unet()
    optimizer = tf.keras.optimizers.Adam(LEARNING_RATE)

    metrics = [IOUScore(threshold=0.5), FScore(threshold=0.5)]
    model.compile(optimizer, customized_loss, metrics)

    callbacks = [
        tf.keras.callbacks.ModelCheckpoint("model.h5", save_weights_only=True, save_best_only=True, mode='min'),
        tf.keras.callbacks.TensorBoard(log_dir='./logs', profile_batch=0, update_freq='batch'),
    ]


    train_dataset = Dataset(src_dir=SOURCE_DIR)

    train_data_loader = DataLoader(train_dataset, BATCH_SIZE, shuffle=True)

   
    with mlflow.start_run():
        mlflow.tensorflow.autolog()
        mlflow.log_param("batch_size", BATCH_SIZE)

        model.fit_generator(
            train_data_loader,
            steps_per_epoch=len(train_data_loader),
            epochs=EPOCHS,
            callbacks=callbacks   
            )

我期待这样的事情（只是来自docs 的演示）：

然而，训练结束后，我得到了：

如何配置，以便度量图将在每个时期更新并显示其值，而不仅仅是显示最新值？

【问题讨论】：

标签： tf.keras mlflow

【解决方案1】：

四处搜索后，我发现this issue与我上面的问题有关。实际上，我所有的指标在每次训练时只记录一次（而不是我直觉认为的每个时期）。原因是我没有在mlflow.tensorflow.autolog() 中指定every_n_iter 参数，它表示在执行MLflow 日志指标之前必须通过多少“迭代”（参见docs）。因此，将我的代码更改为：

mlflow.tensorflow.autolog(every_n_iter=1)

解决了问题。

P/s：请记住，在 TF 2.x 中，“迭代”是一个 epoch（在 TF 1.x 中是一个批次）。

【讨论】：